我有一个形状为(batch_size, max_sequence_length, embedding_size)的张量，它被填充到最大长度来存储序列。][6,0,0,0]
# Using EmbedID(ignore_label=0) to get (batch_size, 4, embeddeding_size) 例如，我们如何将其传递给Chainer中的NStepGRU链接？并且例如获得所有序列(batch_size, embedding_si
浏览 6提问于2019-04-13得票数 0
回答已采纳
1回答
我正在尝试从不同长度的向量(数据列)中创建一个数据集。建立一个可以接受不同长度向量的数据集的正确方法是什么？问题解决了从文件读取数据时的问题，但是，我正在显式地定义数据。
浏览 0提问于2018-04-10得票数 0
回答已采纳
在pytorch中，我们可以给出一个填充序列作为RNN的输入。从中，RNN的输入可以如下所示。
packed = torch.nn.utils.rnn.pack_padded_sequence(embedded, input_lengths)
outputs, hidden =
浏览 0提问于2017-07-06得票数 14
回答已采纳
我使用以下代码： lstm_cell_fwd =tf.contrib.rnn.GRUCell(hidden_dim,kernel_initializer)
return
浏览 1提问于2018-03-08得票数 6
回答已采纳
我试图在LSTM迷你批处理中填充张量序列，其中序列中的每个时间步骤都包含一个张量子列表(表示单个时间步骤中的多个特性)。import torch我的<
浏览 0提问于2019-06-02得票数 1
回答已采纳
这个Udacity course notebook批处理数据的方式对我来说并不直观。 对于较长的数据序列，它们首先截断数据，以便可以用batch_size均匀划分数据。然后，他们在这些批次的子序列上创建一个滑动窗口。当滑动窗口超出边界时，他们会在末尾添加假数据(通过回绕)。 这个提供的图表可能比我更好地解释： ? 我只是想知道这种做法是正常的，还是有不同的方法。这似乎很奇怪，批次是不连续的子序列。这不会使解释单
浏览 21提问于2020-07-17得票数 0
2回答
从其批处理版本重建torch张量
、、、、
这是如何构建3D张量的一个非常好的例子：y = torch.rand(100, 1)batched_data = y.contiguous(现在我想做的是，从batched_data开始，我想构建y，反过来。对一个强大的pytorch精简代码有什么好的建议吗？====附加输入=====import torch
y = torch.arange(1
浏览 2提问于2019-09-27得票数 0
我正在尝试将CNN的输出输入到TensorFlow的RNN中。[1, 9, 25, 29, 31, 10, 23, 29, 37, 36]
我可以得到最大序列号，在这种情况下，它将是37。问题是如何在不同的位置填充<
浏览 3提问于2016-12-18得票数 2
虽然这是一个典型的用例，但在通过RNN发送时，我找不到一个简单而明确的指南来说明在pytorch中计算填充小批量的损失的规范方法是什么。我认为一个规范的管道可能是： 1) pytorch RNN需要形状的填充批量张量：(max_seq_len，batch_size，emb_size) 2)所以我们给出一个嵌入层，例如这个张量： tensor([[1, 1],
[2,
浏览 18提问于2019-12-12得票数 2
回答已采纳
我有一个LSTM冻结图，它有10个序列，每个输入序列有10个长度为2002的向量。
/// check if we have enough sequences to make a clas
浏览 0提问于2018-05-09得票数 0
我正在寻找一个好的(有效的，最好是简单的)方法，以创建填充张量从序列的可变长度/形状。到目前为止，我能想象的最好的方法是这样的天真的方法：seq = [1,2,3] # seq of variable length我还没找到什么，但我想肯定有更好的东西。
我在想一些函数，把序列</em
浏览 0提问于2018-09-08得票数 5
回答已采纳
我正在尝试RNN来解决一个可变长度的多变量序列分类问题。我定义了以下函数来获得序列的输出(即，序列的最终输入馈送后的RNN单元的输出)
def get_sequence_output(x_sequence, initial_hidden_state):, 10)的张量，从哪里开始？是批量大小和第二吗？表示序列长度，每个输入元素的长度为10。gru
浏览 15提问于2016-07-22得票数 10
回答已采纳
现在，当在RNN上叠加时，组合网络的整体输入将具有形状:批大小、时间序列、H、W、C，即小批中的每个样本都由TIME_SEQUENCE多个图像组成。此外，时间序列在长度上是可变的。时间序列的值对应于最大可能的时间序列长度，对于长度较小的样本，剩余的值被填充为零。我想做什么
我想把来自CNN的输出积累成一个形状为的张量</
浏览 0提问于2018-07-13得票数 0
回答已采纳
1回答
用PyTorch预测网格坐标序列
、、、、
我有一个类似的公开问题 (虽然不是以实现为重点的，但我想这个问题是这样的，所以我认为它们都是有效的)。
我正在做一个项目，用传感器来监控一个人的GPS位置。然后，坐标将转换为简单的网格表示形式。我想用不同长度的序列(如(14,3), (13,3), (12,3), (11,3), (10,3), (9,3), (8,3), (7,3), (6,3), (5,3), (4,3), (3,3),(2,3), (1,3) )来训练RNN&#
浏览 2提问于2019-07-18得票数 9
回答已采纳
1回答
假设我有一个不同大小的输入列表，例如，一些是10，9，5的形状，一些是7,6,5，我必须填充0来将它们输入到相同大小的张量流中，比如10,9,5，我需要做矩阵乘法，并在向前过程中添加偏差，这将在填充的0或者从tensorflow有更简单的方法吗？谢谢!
顺便说一句，我既没有输入序列也没有使用rnn。所以我不能使用动态rnn
浏览 3提问于2017-10-15得票数 0
cell = tf.nn.rnn_cell.BasicLSTMCell(4, state_is_tuple=True)但是当我检查st
浏览 1提问于2017-12-31得票数 0
这里的问题是，我有不同的句子长度，这意味着我要么做填充，要么使用dynamic_rnn指定的序列长度。我和他们两个都很纠结。
data = tf.nn.embedding_lookup(word_matrix，X)
然后，我将word_matrix的单词索引序列输入到X中。我担心如果我将零输入到输入到X的</e
浏览 1提问于2018-09-27得票数 3
回答已采纳
1回答
我使用PyTorch与一组培训的电影评论，每一个标记为正或负。每一篇评论都被删减或填充为60个字，我的批次大小为32。此60x32张量被馈送到嵌入层，嵌入dim为100，从而产生60x32x100张量。然后，我使用每个评论的未填充长度来打包嵌入输出，并将其通过hidden dim = 256传递给一个hidden dim = 256层。我是不是把我的张量转错了？
我已经尝试过在我的lstm、pack
浏览 0提问于2019-10-16得票数 0
我对什么是动态RNN (即dynamic_rnn)感到困惑。它返回输出和TensorFlow中的状态。这些状态和输出是什么？在动态神经网络中，在TensorFlow中什么是动态的？
浏览 3提问于2017-03-29得票数 12
我在tensorflow中设置了一个RNN，它接受一个可变的序列，并在序列的末尾进行1次预测。# Get lstm cell output
m.outputs, m.states = tf.nn.
浏览 2提问于2016-12-05得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
